小波分析全章节讲解84844.pptVIP

. . . . . . . . . . . . . . . . . . . . . . . . 2.小波框架 如果函数族 满足如下性质，即 则称小波基函数族 构成了一个小波框架。上式称为小波框架条件，它可以表示为等价的频域形式，即 关于小波框架，需要说明几点： （1）由小波框架的定义可以知道，并非任何函数族都能构成一个小波框架。比如当尺度-位移因子的乘积 时，就不能构成小波框架。 （2）小波函数的对偶函数 也构成了另一个框架，且上、下界分别为 和 . （3）离散小波变换仍然具有冗余度，但是与连续小波变换相比，这种冗余度大大降低。 3.离散小波逆变换 将连续小波变换进行离散化处理后，会很自然地引申出两个问题： （1）离散小波变换系数 是否完全表征了原信号 的全部信息，或者说，能否从离散小波变换系数精确地恢复原信号 。 （2）是否任何信号都可以分解表示为离散小波基的线性组合 ，而且其中的组合系数 如何求取。 上式两个问题可以归结为一个问题。离散小波变换相比于连续小波变换，其中逆变换要稍微复杂些，需要借助小波框架和对偶小波的概念。 （I）对偶小波用于信号重构 如果上述第（1）个问题能满足，通过适当选择小波母函数 并对 和 进行适当地离散处理得到 ，那么一定存在与相对应的一个序列 ，它使得反变换（重建）公式可以表示为 此时， 称为 的对偶。相应地， 称为母小波 的对偶母小波。通过伸缩和平移可以得到对偶小波基 ，即 （II）小波框架 如果离散小波基函数满足框架定义，根据框架理论，可以分为以下4种情况进行重构： （1）当A=B=1，框架退化为规范正交基，对偶小波与原小波恰好相等，即 此时，离散小波变换的逆变换可以表示为 （2）当 ，即为紧框架时，其对偶小波与原小波仅相差一个比例参数，表示为 则离散小波变换的逆变换可以表示为 （3）当 ，但A与B比较接近时， 可以取一阶近似为 这种框架称为几乎紧框架，则离散小波变换的逆变换可以表示为 （4）当 ，但A与B相差甚远时，反变换一般不能直接应用，而必须先求出 才能代入标准公式，即 但是对偶小波 的求取方法比 较复杂，因此，这种处理方法在 实际应用中不常见。 三、多分辨率分析（多尺度分析） 作用：将信号分解成不同空间的部分，另外，它也提供了一种构造小波的统一框架，还能提供数字信号分解与重构的快速算法。 切入点：将从函数空间 出发，通过滤波器组和函数空间。 滤波器组法 函数空间法 小波分解树 双通道滤波过程 离散小波变换可以用来分析或者叫做分解信号，这个过程叫做分解或者叫做分析。把分解的系数还原成原始信号的过程叫做小波重构或者叫做合成，数学上叫做逆离散小波变换。在使用滤波器做小波变换时包含滤波和降采样两个过程，在小波重构时要包含升采样和滤波过程。小波重构的方法如图所示，图中的符号表示升采样。 小波重构 频域构造法 时域构造法 小波变换的应用 一、小波变换在数字图像处理中的应用 1 基本理论 小波是指函数空间 中满足下述条件的一个函数或者信号 这里， 表示非零实数全体． 对于任意的函数或者信号f( )，其小波变换定义为 因此，对任意的函数f( )，它的小波变换是一个二元函数． 变换实例 小波图像分解与重构示意图 利用小波变换，用户可以按照应用要求获得不同分辨率的图像。如图下图所示，其中，(a)表示原始的Lena图像，(b)表示通过一级(level)小波变换可得到1/4分辨率的图像，(c)表示通过二级小波变换可得到1/8分辨率的图像，(d)表示通过三级小波变换可得到1/16分辨率的图像。 使用小波分解产生多种分辨率图像 阈值处理可用于去除图像中的噪声。在取不同阈值的情况下重构图像，可观察到图像质量发生的变化，如图所示。其中，(a)表示原始的Lena图像，(b)表示阈值5的重构图像，(c)表示阈值10的重构图像，而(d)则表示阈值20的重构图像。从图中可以看到，随着阈值的增大，图像质量也随之降低。 图像的非标准分解方法 小波其他理论 小波去噪 边缘检测